didiaoyeshen-CSDN博客

原创 Summary：Fater Rcnn

写在前面：对于目标识别领域的发展，RCNN-FAST-FATER-YOLO-SSD-YOLO9000对于rcnn和fast 二者使用selective search的算法进行图像的强硬分割，并将分割的图像作为提议选取进行cnn的网络训练。而faster进行了在原有的fast的基础上加入了rpn，现在分开来说说。RCNN对于rcnn使用svm进行分类，并使用bbox进行位

2018-02-03 13:58:09 390

转载将自己的数据集制作成tf格式，文件批量重命名

主要参考博客：data_to_tf在进行深度学习时，如何将自己的数据制作成tf格式是要关注的第一步。结合看到的多篇博客论文，并整理成python code格式进行记录及分享。import tensorflow as tfimport osfrom PIL import Imageimport numpy as npIMAGE_HEIGHT, IMAGE_WIDTH, IMAG

2018-01-20 10:39:46 680

转载自编码器Auto-Encoder

简介自编码器可以理解成一个试图还原原始数据输入的系统。它也是一种神经网络，他的输入和输出是一致的，它借助稀疏编码的思想，目标是使用稀疏的一些高阶特征重新组合来重构自己。特征：期望输入/输出一致；期望使用高阶特征来重构自己，而不是简单的复制主要论文：hinton-《reducing the dimensionality of data with neural networ

2017-12-19 14:09:35 987

原创吴恩达深度学习课程笔记

1，二分类1.1规范化符号用x表示输出，y表示输出，一般x是矩阵形式xi=[xi1,xi2,......xin]^T ，按照列的形式表示训练集的规模使用m表示，表示里面有m个训练样本，形式为：{（x1，y1）,（x2，y2），......（xm，ym）}；使用m_train表示训练集，m_test表示测试集。在神经网络中训练集的表示方式使用矩阵的的方法：X=[x1,x2

2017-10-29 14:48:25 771

原创支持向量机学习笔记-SVM

核心思想：在样本空间中，通过超平面的方法对样本空间进行划分，使用的是经典的线性方程的方式。W^t*X+b=0其中W是法向量，决定了超平面的方向，b是位移项。假定W^t*X+b>=1,y=1；W^t*X+b通过最小化样本空间的点数到超平面的距离进行超平面的参数确定。距离超平面最近的几个训练样本点使得

2017-10-18 19:11:19 555

原创机器学习基础

机器学习，说白了就是对大数据进行处理及分析。这就对数据的质量提出了一定的要求，在进行算法实现之前，要进行数据清理。数据清理包括：1，分析数据，明确需求和从数据中得到的特征信息；2，缺失值处理，现实中数据并不都是完备的，3，异常值处理，判别异常并删除异常4，去重处理，设计到哈希去重和set方法去重；5，噪音处理，设计到滤波方法，傅里叶变换，短时傅里叶，fir，irr滤波器，小

2017-10-15 12:03:01 246

原创 PYTHON:dict相关操作

对于dict，形式为key:value，并且key和value可以存储各种类型的元素。1，创建dict#通过key的名称创建dict，并且每个key对应的value初始为空[]dict_full = {}for key_name_full in list(range(94)): dict_full[key_name_full] = []

2017-10-13 15:58:58 263

转载时间序列相似性

对于两个序列来说，如果要比较两个波形的相似程度，可以使用DWT（动态时间规整）的方法。对于dwt方法，可以解决处理两个长度不一样的序列。DTW是一种衡量两个时间序列之间的相似度的方法，主要应用在语音识别领域来识别两段语音是否表示同一个单词原理：DTW通过把时间序列进行延伸和缩短，来计算两个时间序列性之间的相似性。1，两个要进行匹配的数据A=[A1，A2，...An]和B=[B1，B

2017-10-11 14:59:17 15026 1

didiaoyeshen的博客